[发明专利]基于空间占用概率融合的增量式遥感图像的三维重建方法

说明书

基于空间占用概率融合的增量式遥感图像的三维重建方法，属于遥感图像三维重建技术领域。本发明是为了解决利用单幅图像进行三维重建时，通过后续增加该建筑物的图像，无法对之前重建得到的建筑物模型进行优化，导致得到的三维建筑物结构特征精度低的问题。本发明方法包括：获取待重建建筑物目标图像和每个建筑物对应的建筑物模型；将图像和模型输入Onet单幅图像重建网络进行训练得到重建网络参数模型；将待重建目标建筑物图像输入模型，获取空间占用模型的边界，形成建筑物的空间占用模型；对所有空间占用模型进行三维信息融合，得到最终空间占用模型；生成三维表面网格，获得建筑物的三维模型，实现建筑物的三维重建。本发明用于三维建筑物重建。

技术领域

本发明涉及基于空间占用概率特征融合的增量式倾斜遥感图像的三维重建方法。属于遥感图像三维重建技术领域。

背景技术

随着我国遥感技术的提升遥感数据获取能力的加强，根据遥感信息进行建筑物的三维模型重建技术已经成为数字军事战场模拟的重要一环。研究建筑物的重建技术，利用卫星、航空飞机、无人机等遥感平台获取的高分辨率遥感图像，进行战场三维地理信息快速、详细、精确获取与重建，将有利于建设一个透明的、精细的、真实的数字化战场，为武器系统精确打击、打击效果评估提供重要保障，为正确决策和科学指挥提供可靠的依据。

如今，传统的主动式重建方法如基于光学的可见光法和阴影法等重建方法，存在着测量设备的不便携、复杂性以及测量时间过长，重建速度过慢的局限性，无法满足不同场景的重建需要。因此许多研究者们根据遥感技术获取数据的便利性，着力研究可以同时满足准确性和有效性的建筑物模型重建方法。现阶段的常规方法是基于多目立体视觉匹配进行重建的方法和利用运动恢复结构(SFM)的方法，这两种方法都需要利用多幅图像作为输入数据，利用三角测量原理获取物体的深度信息实现模型重建或是通过特征提取和匹配来恢复相机的姿态参数及三维几何信息。但是这些方法都对图像的数量有一定的要求，若是图像数量较少，根据图像得到的信息不能完好的匹配，则会导致重建出的模型会产生畸变，严重影响模型重建效果。因此，当遇到一些紧急情况时，在获得的遥感信息不够充分的情况下，很难获得理想的重建效果。

而近期许多人尝试结合深度学习来实现利用单幅图像进行三维重建的方法，以达到快速、精确重建建模的目的，但它们都有一个普遍性的问题，那就是通常只对可视部分的结构重建准确性更高，而遮挡部分的重建效果却不是很理想，存在一些重建模型与实际物体不相匹配的情况；针对军事侦察和军事模拟，主要面临的问题在于一些地区遥感资源比较稀缺，现有的对于遥感图像稀缺的地方建筑物重建效果不太理想，每当有新的遥感图像时，只能使用新的图像重建新的模型，不能结合原有的图像对重建模型进行更新优化，导致得到的三维建筑物模型尺寸不精确、结构不够完整，从而无法根据三维建筑物模型反映出三维建筑物的结构特征。因此，如何利用单幅图像实现三维重建，并随着建筑物遥感图像数量的增加来进一步优化建筑物模型的增量式重建方法值得进一步研究。

发明内容

本发明是为了解决利用单幅图像进行三维重建时，通过后续增加该建筑物的图像，无法对之前重建得到的建筑物模型进行优化，导致得到的三维建筑物结构特征精度低的问题。现提供基于空间占用概率特征融合的增量式倾斜遥感图像的三维重建方法。

基于空间占用概率特征融合的增量式倾斜遥感图像的三维重建方法，包括：

步骤一、从遥感图像中选取待重建的建筑物目标图像，对每个待重建的建筑物目标图像进行裁剪，获得不同角度的单个建筑物遥感图像，对每个建筑物图像进行建模，得到与每个建筑物一一对应的建筑物模型，将所有建筑物遥感图像和图像对应的建筑物模型作为训练数据；

步骤二、将训练数据输入Onet单幅图像重建网络，对Onet单幅图像重建网络进行训练，得到训练好的重建网络参数模型；